Leksikal merupakan salah satu metode pelabelan. Leksikal juga termasuk aspek se-mantik pada Natural Language Processing atau NLP, sehingga pelabelan ini dapat digunakan pada klasifikasi Support Vector machine (SVM) dengan seleksi fitur TF-IDF.Kamus leksikal berbahasa indonesia hanya terdapat 2 yaitu leksikal Inset dan leksikal SentiStrength_id. Kamus leksikal dapat dilakukan modifikasi yaitu dengan melakukan penggabungan dengan cara standarisasi pada nilai polaritas menjadi +1 untuk kamus positif dan -1 untuk kamus negatif. Dengan kamus tersebut akan mem-berikan label apakah kalimat tersebut positif, negatif, atau netral dengan cara men-cocokan kata yang terdapat dalam kamus tersebut, kemudian akan diproses menggunakan algoritma SVM untuk mengetahui akurasi, presisi, serta recall yang dihasilkan pada penelitian ini. Hasil dari penelitian ini berupa tingkat akurasi peng-gabungan leksikal SentiStrength_id dan Inset yang lebih baik dari Inset yaitu 84.62% dengan presisi 84% dan recall sebesar 84%, namun hasil tersebut tidak lebih baik dari leksikal SentiStrength_id yaitu 94.94% dengan precision 94.6% dan recall sebesar 94.3%.
Kata Kunci : Twitter, Bahasa Indonesia, SVM, TF-iDF, leksikal